Analisis penggunaan klasifikasi Fuzzy pada Citra Landsat 7 ETM+ untuk intensifikasi data obyek Pajak Bumi dan Bangunan sektor perkebunan :: Studi kasus Perkebunan Sawit di Kabupaten Rokan Hulu, Riau

MARHAENDRA, Agung, Ir. Slamet Basuki, M.Si

2007 | Tesis | S2 Teknik Geomatika

PBB sektor perkebunan memberikan sumbangan yang cukup besar.terhadap penerimaan PBB secara keseluruhan. Kendala terbatasnya sumber daya yang ada pada Kantor Pelayanan PBB menyebabkan potensi yang ada kurang tergali secara maksimal. Kegiatan intensifikasi dan ekstensifikasi terhadap obyek pajak sektor pekebunan menjadi kurang optimal. Pemanfaatan teknologi penginderaan jauh seperti citra satelit Landsat 7 ETM+ diharapkan dapat menjadi alternatif kontrol data yang dilaporkan oleh wajib pajak untuk menjamin kesesuaian data dengan kondisi sebenarnya di lapangan. Tujuan penelitian ini untuk mengetahui apakah klasifikasi citra satelit Landsat 7 ETM+ mampu mengklasifikasi wilayah perkebunan sawit sampai dengan level umur tanaman. Metode penelitian yang digunakan adalah klasifikasi terawasi tehadap citra satelit Landsat 7 ETM+. Teknik klasifikasi yang digunakan adalah metode klasifikasi berbasis logika fuzzy. Klasifikasi dilakukan secara bertahap sesuai dengan skema klasifikasi yang telah ditentukan. Klasifikasi tahap petama bertujuan untuk mengelompokkan data citra satelit menjadi klas vegetasi dan non vegetasi. Pada tahap kedua, klas vegetasi dibedakan lagi menjadi klas tanaman karet dan kelapa sawit. Tahap ketiga bertujuan untuk membedakan klas tanaman kelapa sawit berdasarkan umur tanamannya. Input klasifikasi yang digunakan adalah saluran multispektral citra Landsat 7 ETM+ (saluran 1-5 dan 7) yang memiliki resolusi spasial 30 meter. Estimasi luasan masing- masing klas dihitung berdasarkan pendekatan tiap piksel mempunyai ukuan 30 x 30 meter (900 m2). Akurasi klasifikasi dinilai dengan menggunakan matriks kesalahan dan analisis nilai Kappa. Data referensi yang digunakan adalah peta digital kebun hasil pengukuran GPS. Perbandingan luas yang diperoleh dari hasil klasifikasi dan data pada peta digital kebun menggunakan uji-t sampel bepasangan. Hasil penelitian menunjukkan bahwa metode klasifikasi ini mampu membedakan umur tanaman sawit. Akurasi klasifikasi tahap pertama, kedua dan ketiga cenderung menurun dengan nilai akurasi masing-masing tahap secara berurutan sebesar 96,2%, 96,39% dan 78,18% Sedangkan berdasarkan analisis kappa memberikan hasil nilai KHAT sebesar 0,74 untuk hasil klasifikasi tahap pertama, 0,68 untuk hasil klasifikasi tahap kedua dan 0,66 untuk klasifikasi tahap ketiga. Berdasarkan analisis statistik uji-t terhadap 7 (tujuh) jenis peruntukan lahan pekebunan ini dengan tingkat signifikansi 5 %, menunjukkan tidak ada pebedaan yang signifikan antara luasan peruntukan lahan hasil klasifikasi dengan luasan pada peta digital kebun. Meskipun demikian sebaran piksel masing-masing peruntukan lahan tidak mencerminkan dengan baik sebagaimana sebaran peruntukan lahan pada peta digital kebun.

Plantations sector of the Land and Building Tax (LBT) provide large distribution of the overall revenue. Main problem to get the real potential was limited resources at the related institution (LBT office). Because of the huge area of the plantation tax object, extensive and intensive activities are conduct not optimal really. Remote sensing technology like Landsat 7 ETM+ image can be the alternative way to collect plantation field data that is used to confirm data reported by tax payers. The objective of this research is to understand that classification of the Landsat 7 ETM image have an ability to classifying palm oil plantation area up to differentiate age plant level. Research method used is supervised classification of the Landsat 7 ETM+ image data. The classification technique has been used was fuzzy logic based classification. The classification was conducted step by step. In first level classification, digital image data were classified into two classes i.e. vegetation and non vegetation. In second level classification, vegetation class being classified into two different class, they are rubber plants and palm oil plants. In third level classification, palm oil class was classified into 5 different class based on the ir age type i.e. palm oil plants age year 1, year 2, year 3, year 4 and above year 4. Classification input are multi spectral channel (channel 1-5 and 7) with 30 m spatial resolution. Area of each land use type of the plantation can be estimated by an approach that every single pixel have dimension 30 x 30 meter (900 m2). The classification accuracy was assessed by using confusion matrix and Kappa analysis. Reference data used is digital map of the Palm oil plantation that produced by GPS surveying. The difference of the area of every land cover type from the classification result and the data from the digital map was examined by ttest statistical analysis with 5% significance level. The result of the research indicate that the fuzzy supervised classification method is able to classifying palm oil plantations based on their age type of plants in the research area. The increasing classification levels were followed by the decreasing accuracy. The values of overall accuracy of classification at level 1 to classification at level 3 is 96,2%, 96,39% and 78,18% respectively, while Kappa analysis scored 0.74, 0.68 and 0.66, respectively. Based on the t-test analysis of the seven different type of the land cover, indicate that there are no significance different of area measurement between classification result data and digital map data. But, the pattern of land cover type in the thematic map produced by digital image classification is quietly different with the plantation digital map.

Kata Kunci : Citra Landsat 7 ETM+ ,Klasifikasi Fuzzy,Objek PBB Perkebunan, Image classification, fuzzy logic, degree of membership, palm oil plantation